【技术实现步骤摘要】
本专利技术涉及能耗分析，尤其涉及一种多因子能耗分析方法、装置、电子设备和存储介质。
技术介绍
1、在新能源汽车普及率日益增加的背景下，为了保证续航里程，车企迫切需要对影响能耗的因素进行分析，找出不同场景下影响能耗的重要因素。因此，基于包含行驶状态和车身信号的车联网平台数据，使用多因子能耗分析方法对不同场景下影响新能源汽车的因素进行分析有着重要的使用价值。
2、相关技术中使用多因子能耗分析方法时，通过对多个特征进行降维来评估每种降维后向量对能耗的影响。但是，降维后得到的向量含义和原始特征不同，并且降维后保留的向量数量通过使用者指定。因此，得到的能耗结果不具备可解释性，难以在实际业务中产生价值。
技术实现思路
1、本申请提供一种多因子能耗分析方法、装置、电子设备和存储介质。
2、本申请提供一种多因子能耗分析方法，包括：
3、获取车联网平台中车辆行驶过程的汇总数据；
4、根据所述汇总数据，得到多个因子的特征；
5、将所述多个因子的特征与相应的阈值进行比较，生成布尔矩阵；其中，所述布尔矩阵是由0和1组成的矩阵，所述布尔矩阵中的1，对应于高于阈值的特征；所述布尔矩阵中的0，对应于低于阈值的特征；
6、根据预设置信条件，使用关联分析算法，对所述布尔矩阵的数据关联性进行分析，得到频繁项集合；
7、从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合。
8、进一步的，所述根据预设置信条件，使用
9、根据预设置信条件包括的最小支持度和最小置信度，使用关联分析算法，对所述布尔矩阵的数据关联性进行分析，将大于最小支持度的多个因子，确定为频繁项集合。
10、进一步的，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
11、从所述频繁项集合中，删除不包含能耗特征的频繁项，得到与能耗相关的频繁项集合；
12、对与能耗相关的频繁项集合进行去重，挖掘出与不同能耗关联的多个能耗影响因子组合。
13、进一步的，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
14、从所述频繁项集合中，挖掘出与多个能耗等级中各能耗等级相关的多个能耗影响因子组合。
15、进一步的，所述关联分析算法包括apriori算法。
16、进一步的，所述汇总数据包含速度统计信息、外部温度统计信息、途径路况信息、空调使用信息及电池配置信息中的多者；所述速度统计信息包括减速行驶时间占比、行驶平均速度、匀速行驶时间占比、怠速行驶时间占比、最大行驶速度、加速行驶时间占比及行驶用时；所述途径路况信息包括行驶是否在节假日、行驶里程及行驶是否在高峰时段及途径道路类型；所述电池配置信息包括消耗soc、电池容量、行驶开始时soc的及行驶结束时的soc；所述外部温度统计信息包括外界温度。
17、进一步的，所述根据所述汇总数据，得到多个因子的特征，包括：
18、将所述汇总数据的多个因子同一因子的多个小类进行预处理，获得预处理后多个因子；
19、对所述预处理后多个因子进行划分，得到多个因子的特征。
20、本申请提供一种多因子能耗分析装置，包括：
21、汇总数据获取模块，用于获取车联网平台的车辆的汇总数据；
22、特征获得模块，用于根据所述汇总数据，得到多个因子的特征；
23、布尔矩阵生成模块，用于将所述多个因子的特征与相应的阈值进行比较，生成布尔矩阵；其中，所述布尔矩阵是由0和1组成的矩阵，所述布尔矩阵中的1，对应于高于阈值的特征；所述布尔矩阵中的0，对应于低于阈值的特征；
24、分析模块，用于根据预设置信条件，使用关联分析算法，对所述布尔矩阵的数据关联性进行分析，得到频繁项集合；
25、挖掘模块，用于从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合。
26、本申请提供一种电子设备，包括一个或多个处理器，用于实现如上任一项所述的方法。
27、本申请提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现如上任一项所述的方法。
28、在一些实施例中，本申请的多因子能耗分析方法，获取车联网平台中车辆行驶过程的汇总数据；根据汇总数据，得到多个因子的特征；将多个因子的特征与相应的阈值进行比较，生成布尔矩阵；其中，布尔矩阵是由0和1组成的矩阵，布尔矩阵中的1，对应于高于阈值的特征；布尔矩阵中的0，对应于低于阈值的特征；根据预设置信条件，使用关联分析算法，对布尔矩阵的数据关联性进行分析，得到频繁项集合；以及，从频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合。在本申请实施例中，通过使用汇总数据，挖掘出与不同能耗关联的多个能耗影响因子组合。如此，使用汇总数据，得到多个因子的特征，相当于使用原始特征，从而保留原始特征，并不需要对多个因子的特征进行降维，得到与不同能耗关联的多个能耗影响因子组合的结果具备可解释性，以便在实际业务中产生价值。
本文档来自技高网...【技术保护点】
1.一种多因子能耗分析方法，其特征在于，包括：
2.如权利要求1所述的多因子能耗分析方法，其特征在于，所述根据预设置信条件，使用关联分析算法，对所述布尔矩阵的数据关联性进行分析，得到频繁项集合，包括：
3.如权利要求1所述的多因子能耗分析方法，其特征在于，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
4.如权利要求1所述的多因子能耗分析方法，其特征在于，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
5.如权利要求1至4任一项所述的多因子能耗分析方法，其特征在于，所述关联分析算法包括Apriori算法。
6.如权利要求1至4任一项所述的多因子能耗分析方法，其特征在于，所述汇总数据包含速度统计信息、外部温度统计信息、途径路况信息、空调使用信息及电池配置信息中的多者；
7.如权利要求1所述的多因子能耗分析方法，其特征在于，所述根据所述汇总数据，得到多个因子的特征，包括：
8.一种多因子能耗分析装置，其特征在于，包括：
9.一种电子设
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现如权利要求1-7中任一项所述的多因子能耗分析方法。
...【技术特征摘要】
1.一种多因子能耗分析方法，其特征在于，包括：
2.如权利要求1所述的多因子能耗分析方法，其特征在于，所述根据预设置信条件，使用关联分析算法，对所述布尔矩阵的数据关联性进行分析，得到频繁项集合，包括：
3.如权利要求1所述的多因子能耗分析方法，其特征在于，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
4.如权利要求1所述的多因子能耗分析方法，其特征在于，所述从所述频繁项集合中，挖掘出与不同能耗关联的多个能耗影响因子组合，包括：
5.如权利要求1至4任一项所述的多因子能耗分析方法，其特征在于，所述关联分析算法包括apriori算法。
【专利技术属性】
技术研发人员：王扬扬，张宏，
申请(专利权)人：雷达新能源汽车浙江有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。